|
|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
本帖最后由 mytomorrow 于 2021-2-25 18:47 编辑
; ^, G2 b8 N- h5 d3 S: ^$ G! ~ k. ~* L! p
上篇(对离散序列的傅里叶分析大总结(一))的最后讨论了有限长序列与周期序列之间的关系,首先给出了有限长序列以及由其构成的周期序列之间的关系,具体参看,得出的结论是:
8 e( J c# U7 w7 _( } }& T! x
7 P [# M! J. C& |4 I3 X! w/ }
" l& n. `+ H* ?1 f" z
2 ]1 y9 I: G) _7 ~! D今天的主题:1 N7 W$ f5 j# {* F. D" o
今天的主题讨论了非周期序列与周期序列之间的更一般的关系:
6 Y9 r& k5 c$ E0 f& _$ r7 g8 |- N s5 w8 l9 n
先给出非周期有限长序列以及其DTFT,然后对其傅里叶变换(DTFT)进行等间隔采样,等间隔采样后的序列的逆变换对应的序列是什么样的呢?( u Z [# y+ M# i$ \9 j% \. a
% f N/ t. S2 c) ]8 w是不是有限长序列的周期延拓?
u" N9 F, O/ u+ B. ]+ s' F7 s, x/ |9 t$ D4 a" C+ M" Q | D
看下面的分析:
" \3 a8 ]5 X H! d1 N9 {) `+ B8 V$ P7 v) i" _$ _$ B( M% }
1 C% _) c+ R, S+ f4 ~% V
! u3 \% N) t' p+ J$ W8 S% g3 J- P# s# g. H" J2 _0 p
+ Z- U' e& L1 l2 s/ t
. I3 ~& l) K: Z
' \5 ~, F5 B2 {4 A
- p' K! ?3 D: k/ l, }" [" | s/ R可见,是一个周期延拓关系,延拓周期为N。+ k, o7 L- Q9 K0 ~5 o9 Q3 I
0 p, j% K9 q6 B- F& g. H G有意义的举例讨论:
3 r: M& i- \4 k! i' f" y# P下面再给出一个十分有意思的讨论:
, K! Y- @ `4 q2 V5 Y* ~/ f( A. ?# t8 Q% G4 ~7 \7 S2 x ^
情形一:6 F% }0 \. Y- J8 [
在下图中,x[n]是长度为9的序列,对其进行傅里叶变换(DTFT)得到
,对
进行等间隔采样,间隔为
,取N=12,也就是间隔为
,得到采样后的序列为
,该序列对应的时域波形为
下图(b),也就是对x[n]的周期延拓,周期为12。
6 ]" ?/ X4 L- ~1 |0 \+ D6 @8 J# O6 u9 y9 V
4 ?8 V# |7 Z5 p
9 ?. S) M/ O" i. W
5 Z) u: o9 k$ p2 g, S# i( G( z6 |情形二:
$ ~; w' y9 F3 }2 L同样是这个有限长序列x[n]:6 z( q7 A1 D4 y9 H1 f$ Z
5 e! L6 d4 r$ h4 y% u" K
' m7 t Y' q' o0 _* z1 ?
' @% P0 q# P6 y" [当N=7的时候,对应的
为:9 y9 g- d R0 w; u. h2 j
! L# e5 @$ T9 g X
. ~" q5 Q8 x; b |1 @# n" \) z
( u+ {* x7 R: E- ^1 \* } X
可见,发生了混叠现象。
; [$ U$ H( Q/ k# `% `5 k
( `- t+ V6 ^1 i0 d: U! G6 ?8 E N下面对其进行解释:
' r: _8 p6 k- a& Z* Q6 R+ G( Z) P. ^2 J! ?( O" e! q: Q
情形一的情况,
的一个周期是x[n],这是没有发生混叠的情况,但对于情形二,
的一个周期就不再等于x[n]了,这是由于时域波形x[n]周期延拓后发生了混叠。
3 ^4 S2 M; u* s0 j N6 j/ j# X# o; L$ X$ ?
尽管如此,下式依然成立:6 m* o* M- o: C- C+ `, S
/ w+ c9 }! t& c9 s7 |) U
5 l3 d* L6 ]2 s) ^5 z' [9 I, V1 G' S0 P
也就是说在这两种情况下,
的DFS系数都是x[n]的傅里叶变换在频率
整数倍的等间隔点上的采样值。2 J, k G: e! E$ w3 {$ T
- z0 T. Q0 l! {2 Z5 m' q
对于情形一,原来的序列x[n]可以从
中抽取一个周期而恢复。
2 _3 @/ C% E, e7 F: D9 Z0 V. V7 `' z' Q* T1 V9 g/ U X
同样,傅里叶变换
也可以从频率上以
等间隔地采样来恢复。
) L: J1 a7 D' F N. D4 f: Q2 a, D
- l# B" t! R% E+ {1 J9 F4 t& T7 i与之相反,对于情形二,x[n]不能用取出
的一个周期的方法来恢复。
$ N% g6 a ?7 f6 E: `& ]( F& L2 l& u& _, I0 ~6 K. }
类似地,如果采样间隔只有
,
也不能由它的采样来恢复。
5 y: H+ t* i7 R9 D
: ]$ K. R6 ?, w3 a实际上,情形一说明的情况是,已经用足够小的间隔(在频率上)对x[n]的傅里叶变换采样,以便能够由这些样本来恢复该变换。而情形二,表示一种对傅里叶变换欠采样的情况。
- _* s) }5 K3 N/ s( a# d- [
3 P1 i! C/ k, O% M在欠采样的情况下,
与
的一个周期之间的关系可以认为是时域产生混叠的一种形式。
$ z4 } X' }% ]/ l5 ]$ n% |6 p- m4 G( M! h- ^* }
显然,只要
为有限长,时域混叠就可以避免,正如信号的傅里叶变换只要是带宽有限的,其频域混叠也可以避免。( v& T! b ^' U: _
2 n7 d) h, f" b4 _! J+ Y( h- i
最重要的结论:
2 r2 D k& w3 h/ }: v5 @, t从上面的讨论中,我们已经看出:4 U, K3 |; b: ] f p6 |% {
3 X" H2 P! h; L# c1 N
( T% W2 S$ L* n$ `" ]
5 B" A# ?+ B3 e# j: s2 r( x重磅内容:; G) [& G# |3 _
( [9 z# G* {3 }9 `0 @
3 \+ l6 g- l/ a- [) Z; O7 K0 U. L/ M: _/ I Z
在推导、讨论和应用DFT时,我们应该始终记住:通过傅里叶变换的采样值来表示,实际上是利用一个周期序列来表示有限长序列,该周期序列的一个周期正是要表示的有限长序列。
! O3 |: Q$ ]3 F3 D. V+ J; \- D, X$ T' R4 ?
: W ?" k9 ]' t' z5 _3 z9 @1 L$ s( N
|
|